面向压力的皮肤电反应分析：面向含噪自然情境 GSR 数据的开源工具开发与验证
人机交互
2020-07-03 v3 机器学习
信号处理
摘要
压力检测问题在相关研究社区中正受到极大关注。这是因为它在许多严重健康问题和身体疾病的行为研究中起着至关重要的作用。利用不同生理信号进行压力检测有多种方法和算法。先前的研究已经表明，皮肤电反应（GSR），也称为皮肤电活动（EDA），是压力的主要指标之一。然而，GSR 信号本身的分析并非易事。为了检测人的压力，人们从 GSR 信号中提取不同的特征，如峰值数量、最大峰值幅度等。在本文中，我们提出了一种用于 GSR 分析的开源工具，该工具结合深度学习算法与统计算法来提取用于压力检测的 GSR 特征。然后，我们使用不同的机器学习算法和可穿戴压力与情感检测（WESAD）数据集来评估我们的结果。结果表明，使用 10 折交叉验证以及从我们的工具中提取的特征，我们能够以 92% 的准确率检测压力。
引用
@article{arxiv.2005.01834,
title = {GSR Analysis for Stress: Development and Validation of an Open Source Tool for Noisy Naturalistic GSR Data},
author = {Seyed Amir Hossein Aqajari and Emad Kasaeyan Naeini and Milad Asgari Mehrabadi and Sina Labbaf and Amir M. Rahmani and Nikil Dutt},
journal= {arXiv preprint arXiv:2005.01834},
year = {2020}
}
备注
6 pages and 5 figures. Link to the github of the tool: https://github.com/HealthSciTech/pyEDA